使用scipy butter filtfilt 分解EEG数据和滤波参数选择

【目录】

• EEG数据频带和滤波参数
• 滤波类型及示例
• Pyhton 代码实现

一、EEG数据频带和滤波参数

二、滤波类型

• 低通滤波（lowpass)
• 高通滤波（highpass）
• 带通滤波（bandpass）
• 带阻滤波（bandstop）

2.1 低通滤波

低于某个频率的信号可以通过，而高于这个频率的信号会被衰减过滤掉

2.2 高通滤波

高于某个频率的信号可以通过，而低于这个频率的信号会被衰减过滤掉

2.3 带通滤波

指的是在某个频率段范围内的信号可以通过，而这个频率段范围以外的信号会被衰减过滤掉

2.4 带阻滤波

指的是在某个频率范围内的信号会被衰减过滤掉，而这个频率范围以外的信号会被保留下来

tips：滤波并不能完全过滤出我们想要的频段。比如30Hz的低通滤波，并不是说30Hz以外的信号就全部
被过滤掉了，而是以30Hz为截止频率，高于这个截止频率的信号会被逐渐衰减。

三、Python 代码实现

• scipy
• butter
• filtfilt，对于EEG数据，推荐filtfilt

import numpy as np
from scipy.signal import butter, filtfilt


def decompose_eeg_data(data, sample_rate=250):
    """
    decompose eeg data to five band:
        'delta': (1, 4),
        'theta': (4, 8),
        'alpha': (8, 13),
        'beta': (13, 30),
        'gamma': (30, 40)
    :param data: raw eeg data, format = (channels, timepoints)
    :param sample_rate: sampling rate of data
    :return: decomposed eeg data
    """

    # define band
    frequency_bands = {
        'delta': (1, 4),
        'theta': (4, 8),
        'alpha': (8, 13),
        'beta': (13, 30),
        'gamma': (30, 40)
    }

    data_matrix = []
    for item in frequency_bands.values():
        data_matrix.append(butter_bandpass(data, 5, item, sample_rate))

    return np.array(data_matrix)


def butter_bandpass(data, order, freq_cut, sample_rate):
    """
    btype: lowpass, highpass, bandpass, bandstop.
            低通、高通、带通、带阻
    low order -> [1, 3]
        通常用于简单的滤波需求，如基础的信号去噪或低频信号的保留.
        例如，1阶滤波器相对平滑，适合对信号变化不那么敏感的情况。
    middle order -> [4, 6]
        通常用于对频率响应有一定要求的应用。
        比如在图像处理或生物信号处理（如 EEG、ECG）中，4-6阶可以在有效过滤噪声的同时
        保留信号的特征。
    high order -> [7, 7+]
        只有在信号特点复杂、需要更加精准的频率选择时使用。
        高阶滤波器可以产生更陡峭的过渡带，但可能提高计算复杂性和引入更大的相位延迟。
        一般考虑在 7-10 阶，但如果需要更严格的频率响应，甚至可以用到 20 阶或以上，
        但这通常不建议，因为稳定性和计算负担会显著增加。
    :param data: raw data is going to filter
    :param order: the order of filter
    :param freq_cut: [low, high] cut frequency
    :param sample_rate: sampling rate of data
    :return: filtered data
    """
    low = freq_cut[0] * 2 / sample_rate
    high = freq_cut[1] * 2 / sample_rate
    b, a = butter(order, [low, high], btype='bandpass', fs=sample_rate)
    return filtfilt(b, a, data)  # 双向滤波